論文の概要: Talent is Everywhere, Mobility is Not: Mapping the Topological Anchors of Educational Pathways
- arxiv url: http://arxiv.org/abs/2512.16457v1
- Date: Thu, 18 Dec 2025 12:22:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-19 18:10:32.050831
- Title: Talent is Everywhere, Mobility is Not: Mapping the Topological Anchors of Educational Pathways
- Title（参考訳）: タレントはどこでも、モビリティはそうではない:教育経路のトポロジ的アンカーをマッピングする
- Authors: Francisco Ríos, Fernanda Muñoz, Valeria Bravo, Gonzalo Castillo, Inti Núñez, Jorge Maluenda-Albornoz, Carlos Navarrete,
- Abstract要約: 我々は、270万人以上のチリ人学生(2021-2024)の行政記録を分析し、後続の軌跡を地図化した。
学生は、社会経済的起源に応じて、明らかに異なる入学パターン、キャリア選択、地域間移住行動に従う。
- 参考スコア（独自算出の注目度）: 34.439536701024316
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The relationship between socioeconomic background, academic performance, and post-secondary educational outcomes remains a significant concern for policymakers and researchers globally. While the literature often relies on self-reported or aggregate data, its ability to trace individual pathways limits these studies. Here, we analyze administrative records from over 2.7 million Chilean students (2021-2024) to map post-secondary trajectories across the entire education system. Using machine learning, we identify seven distinct student archetypes and introduce the Educational Space, a two-dimensional representation of students based on academic performance and family background. We show that, despite comparable academic abilities, students follow markedly different enrollment patterns, career choices, and cross-regional migration behaviors depending on their socioeconomic origins and position in the educational space. For instance, high-achieving, low-income students tend to remain in regional institutions, while their affluent peers are more geographically mobile. Our approach provides a scalable framework applicable worldwide for using administrative data to uncover structural constraints on educational mobility and inform policies aimed at reducing spatial and social inequality.
- Abstract（参考訳）: 社会経済的背景、学業成績、中等教育後の成果との関係は、世界中の政策立案者や研究者にとって重要な関心事である。
文献は、しばしば自己申告または集約データに依存しているが、個々の経路を辿る能力はこれらの研究を制限している。
ここでは、チリの270万人以上の学生(2021-2024)の行政記録を分析し、教育システム全体にわたって二次後の軌跡をマッピングする。
機械学習を用いて,7つの異なる学生アーチタイプを識別し,学業成績と家族的背景に基づく2次元の学生表現である教育空間を導入する。
学術的能力に比較して、学生は、社会経済的起源や教育分野における地位に応じて、明らかに異なる入学パターン、キャリア選択、地域間移住行動に従う。
例えば、高い成績の低所得の学生は地域機関に留まる傾向にあり、裕福な友人はより地理的に移動している。
本手法は,教育モビリティに関する構造的制約を明らかにし,空間的・社会的不平等を減らそうとする政策を通知するために,行政データを用いたグローバルなスケーラブルなフレームワークを提供する。
関連論文リスト
- Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。
学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。
我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
論文 参考訳（メタデータ） (2024-11-27T19:19:34Z) - Exploring Educational Equity: A Machine Learning Approach to Unravel
Achievement Disparities in Georgia [0.5439020425819]
この研究は、異なる人口層、地域、主題にわたる学生の達成率の包括的分析を行う。
パンデミックの間、英語と数学の習熟度は著しく低下した。
この研究は、都市部と農村部における達成率の格差、および郡間でのバリエーションも明らかにしている。
論文 参考訳（メタデータ） (2024-01-25T15:05:52Z) - Sociodemographic inequalities in student achievement: An intersectional
multilevel analysis of individual heterogeneity and discriminatory accuracy
(MAIHDA) with application to students in London, England [0.0]
本研究は,イギリス・ロンドンに在住する2人の学生を対象に,学生の達成度における社会デマロジカルな不平等について検討した。
対話的な効果ではなく,主に添加物によって構成される達成度において,実質的な成層レベルの変動がみられた。
政策立案者は、余剰学生の増員にもっと注意を払うべきだと結論付けている。
論文 参考訳（メタデータ） (2022-11-10T16:16:52Z) - Student-centric Model of Learning Management System Activity and
Academic Performance: from Correlation to Causation [2.169383034643496]
近年,学生の学習行動パターンを理解するために,学習管理システム(LMS)における学習者のデジタルトレースのモデル化に多くの関心が寄せられている。
本稿では,LMS活動データに対する学生中心の分析フレームワークについて検討し,観察データから抽出した相関性だけでなく因果的洞察も提供する。
これらの知見は、大学生支援団体が学生中心で標的とする介入を開始するための証拠となると期待している。
論文 参考訳（メタデータ） (2022-10-27T14:08:25Z) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳（メタデータ） (2022-03-10T20:23:38Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Revealing the Hidden Patterns: A Comparative Study on Profiling
Subpopulations of MOOC Students [61.58283466715385]
MOOC(Massive Open Online Courses)は、学生の異質性を示す。
MOOCプラットフォームからの複雑な“ビッグデータ”の出現は、学生がMOOCにどのように従事しているかを深く理解する上で、難しいが報われる機会である。
本報告では,MOOCにおける学生活動のクラスタリング分析と,学生集団間の行動パターンと人口動態の比較分析について述べる。
論文 参考訳（メタデータ） (2020-08-12T10:38:50Z) - Brain Drain and Brain Gain in Russia: Analyzing International Migration
of Researchers by Discipline using Scopus Bibliometric Data 1996-2020 [77.34726150561087]
我々は、1996-2020年に、スコパスのインデクシングされたソースでロシア関連アドレスを公表したすべての研究者を分析した。
ロシアは1990年代後半から2000年代初頭にかけてドナー国であったが、近年は比較的バランスの取れた研究者の流通を経験した。
全体として、ロシアから移住した研究者は、ロシアに移住した研究者よりも多く、成績が優れていた。
論文 参考訳（メタデータ） (2020-08-07T12:47:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。